Llama 3 8B Lunaris v1 är Sao10K:s sammanslagna textmodell för allmänna uppgifter och rollspel. Skaparen kombinerar en Llama 3 8B Instruct-grund med modeller utvalda för rollspel, berättande och allmänkunskap. Syftet är att balansera kreativ text med samtalsförmåga och logiskt beteende, enligt skaparens utgivningsanteckning.
Det publicerade receptet använder en TIES-sammanslagning i stället för en ny träningskörning från grunden. Komponentvikter och densiteter väljs genom skaparens experiment, med omskalning aktiverad i receptet. Resultatet förblir en egen Lunaris-utgåva, skild från Stheno v3.2 och från de enskilda komponenter som ingår i sammanslagningen.
Modellens konfiguration har 32 Transformer-lager, 32 query-attentionhuvuden och åtta key/value-huvuden. Den anger högst 8192 positioner och ingen roterande skalning. Håll uppgiften, personan och relevant konversation inom den kontext som används för generering och lämna plats för svaret. En kortare scenbeskrivning kan behålla nödvändig bakgrund utan att hela den tidigare berättelsen upprepas.
Sao10K rekommenderar Llama 3 Instruct-formatering, temperatur 1,4 och sampling med lägsta sannolikhet 0,1 för skaparens konfiguration. En användbar systeminstruktion definierar karaktärens röst eller assistentens roll. Användarens meddelande ger sedan den aktuella situationen, frågan eller bidraget till dialogen.
För en karaktärsdialog anger du vem som talar, vad personen vill och vilken händelse nästa svar ska bemöta. Begär ett bidrag med ett tydligt slut så att användaren kan avgöra vad som händer härnäst. För en berättelseomarbetning tillhandahåller du textavsnittet och identifierar den ton, det tempo eller den detalj som ska ändras, samtidigt som den etablerade handlingen bevaras.
För en allmän skriftlig fråga tar du med den information som behövs för svaret och den önskade formen på resultatet. Granska det genererade utkastet mot instruktionen och de fakta som tillhandahålls i prompten. Skaparens beskrivning av sammanslagningen anger en avsedd balans mellan komponenternas beteenden, inte en uppmätt garanti för att varje svar förbättrar resultaten från varje källmodell.
", "aboutText": "Llama 3 8B Lunaris v1 är Sao10K:s sammanslagna textmodell för allmänna uppgifter och rollspel. Skaparen kombinerar en Llama 3 8B Instruct-grund med modeller utvalda för rollspel, berättande och allmänkunskap. Syftet är att balansera kreativ text med samtalsförmåga och logiskt beteende, enligt skaparens utgivningsanteckning.\n\nDet publicerade receptet använder en TIES-sammanslagning i stället för en ny träningskörning från grunden. Komponentvikter och densiteter väljs genom skaparens experiment, med omskalning aktiverad i receptet. Resultatet förblir en egen Lunaris-utgåva, skild från Stheno v3.2 och från de enskilda komponenter som ingår i sammanslagningen.\n\nModellens konfiguration har 32 Transformer-lager, 32 query-attentionhuvuden och åtta key/value-huvuden. Den anger högst 8192 positioner och ingen roterande skalning. Håll uppgiften, personan och relevant konversation inom den kontext som används för generering och lämna plats för svaret. En kortare scenbeskrivning kan behålla nödvändig bakgrund utan att hela den tidigare berättelsen upprepas.\n\nSao10K rekommenderar Llama 3 Instruct-formatering, temperatur 1,4 och sampling med lägsta sannolikhet 0,1 för skaparens konfiguration. En användbar systeminstruktion definierar karaktärens röst eller assistentens roll. Användarens meddelande ger sedan den aktuella situationen, frågan eller bidraget till dialogen.\n\nFör en karaktärsdialog anger du vem som talar, vad personen vill och vilken händelse nästa svar ska bemöta. Begär ett bidrag med ett tydligt slut så att användaren kan avgöra vad som händer härnäst. För en berättelseomarbetning tillhandahåller du textavsnittet och identifierar den ton, det tempo eller den detalj som ska ändras, samtidigt som den etablerade handlingen bevaras.\n\nFör en allmän skriftlig fråga tar du med den information som behövs för svaret och den önskade formen på resultatet. Granska det genererade utkastet mot instruktionen och de fakta som tillhandahålls i prompten. Skaparens beskrivning av sammanslagningen anger en avsedd balans mellan komponenternas beteenden, inte en uppmätt garanti för att varje svar förbättrar resultaten från varje källmodell.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
A guarded stationmaster reply\n\nPlay Orin, a stationmaster who hides nervousness behind precise manners. A traveler asks, 'Why is the midnight train missing from the board?' Established facts: the train is delayed; Orin knows no arrival time. Write two brief in-character lines with a small action between them. Leave the traveler's reaction and next choice to the reader.Two lines from Orin with one action beat and an open ending for the traveler.Check the response preserves the unknown arrival time and never controls the traveler.sao10k/l3-lunaris-8bSao10K:s Lunaris v1 är en sammanslagning av Llama 3-modeller på 8B för allmän text och rollspel. Den kombinerar samtals- och berättelsekomponenter, använder Llama 3 Instruct-promptformat och har en publicerad konfiguration med 8192 positioner.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Llama 3 8B Lunaris v1 är Sao10K:s sammanslagna textmodell för allmänna uppgifter och rollspel. Skaparen kombinerar en Llama 3 8B Instruct-grund med modeller utvalda för rollspel, berättande och allmänkunskap. Syftet är att balansera kreativ text med samtalsförmåga och logiskt beteende, enligt skaparens utgivningsanteckning.
Det publicerade receptet använder en TIES-sammanslagning i stället för en ny träningskörning från grunden. Komponentvikter och densiteter väljs genom skaparens experiment, med omskalning aktiverad i receptet. Resultatet förblir en egen Lunaris-utgåva, skild från Stheno v3.2 och från de enskilda komponenter som ingår i sammanslagningen.
Modellens konfiguration har 32 Transformer-lager, 32 query-attentionhuvuden och åtta key/value-huvuden. Den anger högst 8192 positioner och ingen roterande skalning. Håll uppgiften, personan och relevant konversation inom den kontext som används för generering och lämna plats för svaret. En kortare scenbeskrivning kan behålla nödvändig bakgrund utan att hela den tidigare berättelsen upprepas.
Sao10K rekommenderar Llama 3 Instruct-formatering, temperatur 1,4 och sampling med lägsta sannolikhet 0,1 för skaparens konfiguration. En användbar systeminstruktion definierar karaktärens röst eller assistentens roll. Användarens meddelande ger sedan den aktuella situationen, frågan eller bidraget till dialogen.
För en karaktärsdialog anger du vem som talar, vad personen vill och vilken händelse nästa svar ska bemöta. Begär ett bidrag med ett tydligt slut så att användaren kan avgöra vad som händer härnäst. För en berättelseomarbetning tillhandahåller du textavsnittet och identifierar den ton, det tempo eller den detalj som ska ändras, samtidigt som den etablerade handlingen bevaras.
För en allmän skriftlig fråga tar du med den information som behövs för svaret och den önskade formen på resultatet. Granska det genererade utkastet mot instruktionen och de fakta som tillhandahålls i prompten. Skaparens beskrivning av sammanslagningen anger en avsedd balans mellan komponenternas beteenden, inte en uppmätt garanti för att varje svar förbättrar resultaten från varje källmodell.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser sao10k/l3-lunaris-8b | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.00008 / 1K token Utdata · Utdatatoken $0.0001 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.00008 / 1K token Utdata · Utdatatoken $0.0001 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "sao10k/l3-lunaris-8b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='sao10k/l3-lunaris-8b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='sao10k/l3-lunaris-8b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra sao10k/l3-lunaris-8b
Använd metodsökvägarna som visas ovan.
sao10k/l3-lunaris-8bSao10K:s Lunaris v1 är en sammanslagning av Llama 3-modeller på 8B för allmän text och rollspel. Den kombinerar samtals- och berättelsekomponenter, använder Llama 3 Instruct-promptformat och har en publicerad konfiguration med 8192 positioner.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Llama 3 8B Lunaris v1 är Sao10K:s sammanslagna textmodell för allmänna uppgifter och rollspel. Skaparen kombinerar en Llama 3 8B Instruct-grund med modeller utvalda för rollspel, berättande och allmänkunskap. Syftet är att balansera kreativ text med samtalsförmåga och logiskt beteende, enligt skaparens utgivningsanteckning.
Det publicerade receptet använder en TIES-sammanslagning i stället för en ny träningskörning från grunden. Komponentvikter och densiteter väljs genom skaparens experiment, med omskalning aktiverad i receptet. Resultatet förblir en egen Lunaris-utgåva, skild från Stheno v3.2 och från de enskilda komponenter som ingår i sammanslagningen.
Modellens konfiguration har 32 Transformer-lager, 32 query-attentionhuvuden och åtta key/value-huvuden. Den anger högst 8192 positioner och ingen roterande skalning. Håll uppgiften, personan och relevant konversation inom den kontext som används för generering och lämna plats för svaret. En kortare scenbeskrivning kan behålla nödvändig bakgrund utan att hela den tidigare berättelsen upprepas.
Sao10K rekommenderar Llama 3 Instruct-formatering, temperatur 1,4 och sampling med lägsta sannolikhet 0,1 för skaparens konfiguration. En användbar systeminstruktion definierar karaktärens röst eller assistentens roll. Användarens meddelande ger sedan den aktuella situationen, frågan eller bidraget till dialogen.
För en karaktärsdialog anger du vem som talar, vad personen vill och vilken händelse nästa svar ska bemöta. Begär ett bidrag med ett tydligt slut så att användaren kan avgöra vad som händer härnäst. För en berättelseomarbetning tillhandahåller du textavsnittet och identifierar den ton, det tempo eller den detalj som ska ändras, samtidigt som den etablerade handlingen bevaras.
För en allmän skriftlig fråga tar du med den information som behövs för svaret och den önskade formen på resultatet. Granska det genererade utkastet mot instruktionen och de fakta som tillhandahålls i prompten. Skaparens beskrivning av sammanslagningen anger en avsedd balans mellan komponenternas beteenden, inte en uppmätt garanti för att varje svar förbättrar resultaten från varje källmodell.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser sao10k/l3-lunaris-8b | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.00008 / 1K token Utdata · Utdatatoken $0.0001 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.00008 / 1K token Utdata · Utdatatoken $0.0001 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "sao10k/l3-lunaris-8b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'sao10k/l3-lunaris-8b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'sao10k/l3-lunaris-8b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra sao10k/l3-lunaris-8b
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
A guarded stationmaster reply\n\nPlay Orin, a stationmaster who hides nervousness behind precise manners. A traveler asks, 'Why is the midnight train missing from the board?' Established facts: the train is delayed; Orin knows no arrival time. Write two brief in-character lines with a small action between them. Leave the traveler's reaction and next choice to the reader.Two lines from Orin with one action beat and an open ending for the traveler.Check the response preserves the unknown arrival time and never controls the traveler.